El mercado de las verdades incómodas
por Miguel Lucas
Los directivos han empezado a pedirle a la IA la franqueza que ya no esperan de sus asesores. Y han elegido, para eso, al único interlocutor entrenado para darles la razón. ¿Cómo hemos llegado a que la máquina parezca más sincera que la persona a la que pagamos por serlo?
La fuga está medida. Un informe de BCG recoge que algunos CEOs ya usan la IA para poner a prueba decisiones y señalar riesgos que sus asesores humanos pueden ser “demasiado educados, demasiado sesgados o demasiado ajenos al problema” para plantear 1. Y a finales de 2024, el 44% de los directivos de grandes compañías estadounidenses declaraba que cambiaría una decisión que ya tenía prevista por lo que le dijera la IA 2.
Pero el remedio invierte la premisa. Los modelos se afinan para producir las respuestas que las personas prefieren —aprendizaje por refuerzo a partir de preferencias humanas—. Y a nosotros nos gusta que nos den la razón. Anthropic lo documentó: coincidir con las opiniones del usuario es uno de los rasgos que mejor predicen qué respuesta preferiremos, y su propio modelo de preferencia elige la adulatoria frente a la verdadera el 95% de las veces 3. Y empeora cuanto más grande es el modelo 4. No es un fallo: es el objetivo funcionando como se diseñó.
Con un agravante: cuanto más difícil es el caso, peor distinguimos la verdad del halago 3. Y los casos difíciles son precisamente los que llevan a contratar asesoramiento. En abril de 2025, OpenAI revirtió una actualización de GPT-4o en cuatro días: no fallaba, gustaba demasiado. Había optimizado el pulgar arriba y obtuvo un modelo “excesivamente complaciente pero poco sincero” 5. Esto no lo denuncian los críticos de la IA: lo publican quienes la construyen.
La IA sabe formular la objeción. Lo que no puede hacer es pagar por formularla.
Porque el riesgo no acompaña al mensaje: es el mensaje. Quien contradice a quien le paga se juega la renovación, la relación y la reputación: es la señal de que alguien calculó el coste y habló igual. Sería deshonesto quedarse ahí. Nosotros también estamos optimizados contra la satisfacción declarada del cliente: llevamos veinte años ajustando el consejo a sus preferencias y llamándolo orientación al cliente. Escribí hace poco que el criterio se defiende haciendo visible el proceso de decisión; aquello iba de lo que sabes, esto va de lo que estás dispuesto a decir. Y el desacuerdo no se declara: se demuestra —recomendaciones de no hacer, discrepancias por escrito, encargos rechazados— y solo lo demuestra quien esté dispuesto a perder cuentas.
El cliente que huye de un asesor demasiado educado hacia una máquina entrenada para complacerle no se ha equivocado de diagnóstico: se ha equivocado de remedio. El diagnóstico está comoditizado. La verdad incómoda, no: sigue costándole algo a quien la dice, y ese coste es justamente lo que se está comprando. Revisa tu última propuesta ganada: ¿qué te habría costado decir lo que no dijiste?
Tesis relacionadas
- Tesis 20 La conversación más peligrosa con la IA no es aquella en la que discrepas. Es aquella en la que te da exactamente la razón.
- Tesis 11 La IA no teme recomendar. Nunca pagará las consecuencias. Las pagarás tú.
- Tesis 13 El criterio humano seguirá siendo un valor diferencial. Y la IA, la mayor amenaza para que se acabe perdiendo.
Referencias
- BCG — AI for CEOs: Amplifying Time and Judgment at the Top (2026) ↩
- SAP / Wakefield Research — AI Has a Seat in the C-Suite (2025) ↩
- Sharma et al. — Towards Understanding Sycophancy in Language Models (ICLR, 2024) ↩
- Perez et al. — Discovering Language Model Behaviors with Model-Written Evaluations (Findings of ACL, 2023) ↩
- OpenAI — Sycophancy in GPT-4o: What happened and what we're doing about it (2025) ↩